社交網絡中的意見領袖是指具有較高聲望的用戶,他們活躍在社交網絡平臺上,發(fā)布對社會熱點的看法并對輿論進行引導。準確地識別意見領袖,能夠幫助政府及時掌握輿情動向并控制網絡輿情。當前,意見領袖挖掘方法大多是基于用戶屬性的方法或基于網絡結構的方法,往往只考慮了用戶的屬性特征或行為特征,忽略了用戶的關系特征。因此,本文對社交網絡評論文本的情感分析技術進行了研究,從而更精確地得出用戶的關系特征。同時,結合用戶的屬性特征和行為特征,提出了一種基于多特征融合的意見領袖挖掘方法。具體的工作如下:（1）本文提出了一種基于并行混合神經網絡的評論文本情感分析方法。一方面,針對評論文本特征難以充分提取的問題,本文利用卷積神經網絡提取文本的局部特征,利用融合注意力機制的雙向長短期記憶網絡提取與文本上下文相關的全局特征,并將兩種特征進行充分融合;另一方面,針對分布式詞向量缺少對情感信息和分類貢獻度關注的問題,本文將情感權重融入到TF-IDF算法中,結合分布式詞向量生成加權詞向量。在新浪微博評論的數(shù)據(jù)集上評測該方法的性能,實驗結果表明該方法的macro_F1值達到了90.75%,能夠較為精確地識別... 

【文章來源】：中央民族大學北京市 211工程院校 985工程院校

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

圖１－１本文的主要研究內容??研究內容具體如下：??

?〇?２??ｚＯ＾￣￣－ｐｊ＊－Ｏ?１３??圖２－１符號社交網絡示意圖??２．２意見領袖??意見領袖是指具有較高聲望的用戶，其往往具有獨立的見解和出色的文字能力，發(fā)??表一些關于對社會熱點、突發(fā)事件的言論，影響網絡中的其他用戶。此外，意見領袖往??往是較為活躍的用戶，經常出沒在社交網絡平臺上。這些特點使得在信息的傳播和輿論??的發(fā)展中，意見領袖起到了至關重要的作用。在信息傳播中，意見領袖能夠對信息作出??客觀合理的解釋，并推動信息在社交網絡中的傳播。在輿論的發(fā)展中，意見領袖往往引??導了輿論的走向。??社交網絡意見領袖的類型比較多樣。一方面，他們可以是那些著名的人，例如商業(yè)??界精英人士、某領域的專家、出色的新聞工作者等。若在他們擅長或者工作的領域中，??他們往往具有較多的支持者，具備成為意見領袖的基矗但是在一些別的領域，他們也??可能成為一名普通的網民。另一方面，意見領袖也可以是我們中的任何一員，包括朋友、??家人、同事等，都可能會在某些話題中發(fā)表的言論被大量網民所關注和評論，并左右網??民的看法。只要他的觀點夠明確，思維夠獨特，并且能夠在網絡中起到引導輿論方向的??作用，這時他就成為了該話題中的意見領袖。??本文根據(jù)意見領袖的特點，將傳播能力和支持者比例作為衡量意見領袖的指標。傳??播能力越強的意見領袖，在信息的傳播中起到的作用越大，其觀點能夠傳播給越多的用??戶。支持者比例越高的意見領袖，其觀點獲得越多用戶的支持。只有傳播能力強且支持??者比例高的用戶才能成為社交網絡中的意見領袖，進而引導輿論的方向。??８??

將網頁進行排序而計算網頁重要性的技術，之后被關鍵詞提取｜４５］、社??區(qū)發(fā)現(xiàn)Ｉ４６］、學術影響力評估［４７】和意見領袖挖掘［４８］等領域所應用。其主要思想基于兩個假??設：網頁重要性假設和用戶瀏覽假設。網頁重要性假設：一個網頁的重要性將會平均傳??遞到它所鏈接的網頁，一個網頁的重要性由鏈入的網頁傳遞而來。用戶瀏覽假設：用戶??隨機訪問一個網頁后，會沿著超鏈接方向向前訪問網頁。因此，一個節(jié)點的重要性由鏈??向它的節(jié)點決定，一個有較多重要節(jié)點鏈入的節(jié)點會有較高的重要性。??⑩?Ｇ??圖２－２節(jié)點和鏈接關系示例??圖２－２是包含５個節(jié)點和９個鏈接關系的網絡拓撲圖。各個節(jié)點的ＰａｇｅＲａｎｋ值平均??分配給它所鏈向的節(jié)點，而各個節(jié)點的ＰａｇｅＲａｎｋ值由所有鏈入節(jié)點的ＰａｇｅＲａｎｋ值傳遞??而來。以節(jié)點ａ為例，節(jié)點ａ的ＰａｇｅＲａｎｋ值是節(jié)點ｄ平均分配到節(jié)點ａ、節(jié)點ｂ和節(jié)點??ｃ的，而節(jié)點ａ的ＰａｇｅＲａｎｋ值又平均分配給節(jié)點ｂ、節(jié)點ｄ和節(jié)點ｅ。各節(jié)點的ＰａｇｅＲａｎｋ??值的計算方法如公式（２－１）所示。??ＰＲ（ｕ，）?＝?（＼－ｄ）?＋?ｄｘ?Ｙ?＇＂ｎ＂１。一＾＾／）?（２－１）??ｕ，＾ｕ，）Ｎ（ＯＵＴ｛＜Ｕｊ））??其中，尸７？（ｗ，）表示ｗ，的ＰａｇｅＲａｎｋ值；７／ＶＯＯ表示鏈向ｗ，的節(jié)點集合；Ｗ（Ｏｆ／ｒ（ｗ，））??表示＼鏈向的節(jié)點數(shù)；ｄ為阻尼系數(shù)，其代表的意義是，節(jié)點在任意時刻沿著鏈接方向??繼續(xù)訪問其它節(jié)點的概率；１－?Ｊ是指節(jié)點在任意時刻停止沿著鏈接方向訪問其它節(jié)點而??隨機跳轉到某個節(jié)點的概率。??９??

【參考文獻】：
期刊論文
[1]虛擬學習社區(qū)中意見領袖識別模型研究[J]. 許睿,李艷翠,訾乾龍,李宗儒,張平川.  計算機技術與發(fā)展. 2020(05)
[2]知乎平臺用戶影響力分析與關鍵意見領袖挖掘[J]. 郭博,許昊迪,雷水旺.  圖書情報工作. 2018(20)
[3]面向新浪微博的意見領袖挖掘算法[J]. 劉俊杰,馬暢,邵維龍,韓東紅,夏利.  計算機與現(xiàn)代化. 2018(09)
[4]基于情感傾向性分析的微博意見領袖識別模型[J]. 陳志雄,王時繪,高榕.  計算機科學. 2018(05)
[5]雙通道卷積神經網絡在文本情感分析中的應用[J]. 李平,戴月明,吳定會.  計算機應用. 2018(06)
[6]基于SVM的高維混合特征短文本情感分類[J]. 王義真,鄭嘯,后盾,胡昊.  計算機技術與發(fā)展. 2018(02)
[7]基于BLSTM的維吾爾語文本情感分析[J]. 王樹恒,吐爾根·依布拉音,卡哈爾江·阿比的熱西提,艾山·吾買爾,古麗尼格爾·阿不都外力.  計算機工程與設計. 2017(10)
[8]基于情感分析的社交網絡意見領袖的識別——以汽車論壇為例[J]. 朱茂然,林星凱,陸頲,王洪偉,王偉.  情報理論與實踐. 2017(06)
[9]一種基于聯(lián)合深度神經網絡的食品安全信息情感分類模型[J]. 劉金碩,張智.  計算機科學. 2016(12)
[10]基于多維特征分析的社交網絡意見領袖挖掘[J]. 曹玖新,陳高君,吳江林,劉波,周濤,胥帥,朱子青.  電子學報. 2016(04)



本文編號：3404187